Сварочные процессы и контроль качества

30.03.2010 | Служба новостей Росфирм

Сварочные процессы и контроль качества

Нейронные сети (НС) эффективно используются для решения неформализуемых и плохо формализуемых задач контроля качества сварки, связанных с необходимостью включения в алгоритм решения задачи процесса «обучения» на основе данных реальных экспериментов. Одной из таких задач является идентификация нелинейных динамических систем и технологических процессов. В качестве модели идентифицируемого объекта выбирается многослойная НС, а процесс обучения НС на множестве экспериментальных данных представляет собой реализацию процедуры идентификации.

Для реализации моделирования на данном этапе широко используется накопленные либо в процессе экспериментальных исследований, либо непосредственно в процессе сварочного производства данные о моделируемом объекте. Именно эти данные позволяют учесть в модели отличительные особенности конкретного объекта моделирования. В связи с этим к экспериментальным данным предъявляют некоторые требования, которые должны повысить точность, достоверность и надежность результатов расчетов по построенной модели.

Для формулирования данных требований необходимо разбить все данные на две группы - данные, полученные в результате эксперимента, проведенного в соответствии с теорией научного эксперимента, и данные, накопленные на производстве в результате контроля параметров процесса сварки и резки металла и качества полученного сварного соединения.

В первой группе экспериментальные данные могут содержать случайные и системные ошибки их измерения и сбора. Случайные ошибки обусловлены действием неконтролируемых случайных возмущений, действующих как на сам объект исследований, так и на систему измерения и сбора информации. Полностью избежать наличия случайных ошибок в экспериментальных данных невозможно. Частично удалить данные ошибки можно путем аппаратной фильтрации измерительных сигналов или программной обработки полученной информации с помощью специальных методов - корреляционного анализа, спектрального анализа или методов математической статистики. Это чаще всего и делается на этапе научного эксперимента. Системные ошибки связаны с недостатками выбранной методики измерения и особенностями работы измерительных приборов и системы сбора информации. Системных ошибок, также как и случайных, полностью избежать невозможно. Частично удалить эти ошибки можно за счет системного анализа всей процедуры измерения и замены аппаратуры измерения. Таким образом, в первой группе данных можно существенно понизить число ошибок за счет специальных методов их обработки на этапе проведения самого экспериментального исследования.

Во второй группе данных помимо случайных и системных ошибок, разнообразие и число которых несравнимо больше, чем в первой группе, содержаться ошибки иного рода.

Предыдущая | Следующая